欢迎来到本博客❤️❤️❤️
作者研究:本科计算机专业,研究生电气学硕。主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合!⭐️⭐️⭐️
博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者,博主专门做了一个专栏目录,整个专栏只放了一篇文章,足见我对其重视程度:博主专栏目录。做到极度细致,方便大家进行学习!亲民!!!还有我开了一个专栏给女朋友的,很浪漫的喔,代码学累的时候去瞧一瞧,看一看:女朋友的浪漫邂逅。有问题可以私密博主,博主看到会在第一时间回复。
目前更新电力系统相关知识,期刊论文,算法,机器学习和人工智能学习。
支持:如果觉得博主的文章还不错或者您用得到的话,可以免费的关注一下博主,如果三连收藏支持就更好啦!这就是给予我最大的支持!

                          

                                    欢迎您的到来

                     ⛅⛅⛅ 个人主页:电力系统科研室

                    专栏目录:电力系统与算法之美‍‍‍

                  

                           

博主课外兴趣:中西方哲学,送予读者:

做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时候,不要觉得这些问题搞笑,哲学就是追究终极问题,寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。在我这个专栏记录我有空时的一些哲学思考和科研笔记:科研和哲思。建议读者按目录次序逐一浏览,免得骤然跌入幽暗的迷宫找不到来时的路,它不足为你揭示全部问题的答案,但若能让人胸中升起一朵朵疑云,也未尝不会酿成晚霞斑斓的别一番景致,万一它居然给你带来了一场精神世界的苦雨,那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。

     或许,雨过云收,神驰的天地更清朗…….

本文目录如下:⛳️⛳️⛳️

目录

1 概述 

2 微电网模型

3 微电网经济调度数学模型

3.1 目标函数

3.2 约束条件 

4 Matlab&Python代码实现

4.1 代码

4.2 运行结果

5 写在最后

1 概述 

微电网(Micro-Grid)日前经济调度问题是指考虑电网的分时电价基础上,对常规负荷、光伏出力、风机出力进行日前(未来 24 小时)预测,然后充分利用微网中的储能等可调控手段,使微电网运行的经济性最优。

 众多学者对此做了大量研究,考虑电价与负荷响应量相关性的基础上,建立了以运行成本最低、可再生能源消纳比例最高和用户满意度最好为目标的日前调度模型。针对微电网新能源出力不确定的问题,从并网型微电网运营商的角度提出一种供需协同两阶段日前优化调度框架来降低系统运营成本和风险。考虑风电功率以及可再生能源停运的不确定性,提出一种考虑风险的微电网日前随机优化调度方法。也可以以运行成本最小为优化目标、同时考虑储能,提出了一种微电网日前调度调度模型。

2 微电网模型

本文讨论的微电网模型中包括:风力发电机、光伏太阳能板、电网功率联络线、柴油发电机、储能电池、电力负荷。

3 微电网经济调度数学模型

3.1 目标函数

微电网经济调度问题的目标函数自然是微电网的总运行成本最小。

蓄电池的荷电状态应满足上下限约束,同时蓄电池的单位时间蓄电池充放电功率也有上下限。微电网与主网功率交换有约束,风光可以舍弃。在此种情况下:目标函数见式子:

      

式中: 风机购电成本,光伏购电价格, 为状态变量,当微电网向主网售电时为0,购电时为1。为微电网向主网购电价格,​为微电网向主网售电价格。式中:为蓄电池从充电状态到放电状态成本。 

3.2 约束条件 

功率平衡约束和不等式约束为:

                     

4 Matlab&Python代码实现

4.1 代码

本文只给出部分代码,全部代码见:正在为您运送作品详情

Matlab:

%% 风、光、分时电价数据%================24小时负荷数据===============Load=[88.24 83.01 80.15 79.01 76.07 78.39 89.95 128.85 155.45 176.35 193.71 182.57 179.64 166.31 164.61 164.61 174.48 203.93 218.99 238.11 216.14 173.87 131.07 94.04];%=================风机预测出力==============Pw=[66.968.271.97278.894.8114.3145.1155.5142.1115.9127.1141.8145.6...145.3150206.9225.5236.1210.8198.6177.9147.258.7];%==================光伏预测出力===============Ppv=[00000.066.5420.1939.6149.6488.62101.5966.78110.4667.4131.53...50.7620.622.082.0700000];%===================分时电价==================C_buy=[0.250.250.250.250.250.250.250.530.530.530.820.82...0.820.820.820.530.530.530.820.820.820.530.530.53];C_sell=[0.220.220.220.220.220.220.220.420.420.420.650.65...0.650.650.650.420.420.420.650.650.650.420.420.42];

Python代码: 

print('总的费用',np.array(shuju).sum()*0.25)plt.plot(file['负荷kW'],'b--',label='负荷')plt.plot(np.array(PF),'r-',label='风机实时功率')plt.plot(np.array(PS),'g-.',label='光伏实时功率')plt.plot(np.array(PN),'c:',label='与主网交换功率')plt.plot(file['蓄电池实时情况'],'yellowgreen',label='蓄电池功率')plt.ylabel('P/kW')plt.xlabel('t/0.25h')plt.legend()plt.show()

​ 

4.2 运行结果

​ 

 

 

注:Python和Matlab的算例数据不一样 ,所以结果也不一样。

5 写在最后

部分理论引用网络文献,若有侵权请联系博主删除。